盐城台-杭州台地磁幅相法临震异常标志体系

用江苏盐城台与浙江杭州台组成台组 ,应用线性去倾及二次去倾的幅相法提取了临震标志指标 ,对上述两台站的 8年地磁Z分量日变资料进行分析 ,发现对江苏地区ML5 0以上地震有较好的映震关系且标准值L一直保持在一个固定值 ,其标志体系受人为干扰较小 ,异常的可信度较高 ,但虚报、漏报率有待进一步降低。     

融合时域卷积网络和深度自编码器的VOCs数据异常检测

为了提升挥发性有机物(Volatile Organic Compounds, VOCs)数据异常检测精度，提出一种基于时域卷积网络的深度自编码器(TCN-DAE)异常检测的半监督方法，以对VOCs等空气污染物质量浓度异常值进行精准的检测。首先，使用时域卷积网络(Temporal Convolutional Network, TCN)作为深度自编码器(Deep Auto-encoder, DAE)的隐藏层，利用深层网络结构对高维、多源的时间序列数据进行高效地特征提取和数据重构。然后，通过对比重构误差与核密度估计法确定的阈值进行异常检测，其中重构误差大于此阈值则视为异常。最后，选取西安市城六区的VOCs、空气质量和气象等时间序列数据进行试验。结果显示：基于时域卷积网络的深度自编码器模型对多源、高维的时间序列具有较强的异常检测能力，在准确率、F₁分数、受试者工作特征曲线下面积(Area Under Curve, AUC)等异常检测性能指标上均优于双向长短期记忆网络(Bidirectional Long Short-term Memory, Bi-LSTM)、长短期记忆网...     

基于MSLSTM-DA模型的水质自动监测异常数据报警

提出一种基于多元堆叠长短时记忆网络-差值分析(MSLSTM-DA)模型对地表水质异常数据进行报警的方法.该方法首先建立MSLSTM模型对水质指标数据进行预测,再基于预测结果的残差分布建立DA模型,并确定各个指标的数据异常阈值,当实测数据与预测数据差值大于阈值时进行数据报警.以长江流域监测断面的水质数据进行了方法有效性验证.结果表明,构建的预测模型对５个指标的MAE、MAPE均值比BP神经网络预测模型降低21.0%,17.8%,比LSTM模型降低16.8%,17.9%.皮尔逊系数均值比BP神经网络、LSTM模型的分别高5.9%,4.4%.5个指标共检出水质异常数据37条,其中34条经人工判断确实存在有异常,报警准确率高达91.9%.     

异常环境下要害系统确信安全评估方法

目的 获得异常环境下的要害系统确信安全评估(PLOAS)建立评估方法和技术框架,为要害系统安全性设计和安全防护决策提供科学支撑.方法 基于要害系统在异常环境条件下结构响应行为机制,以表征安全性的响应特征参数为对象,融合试验、数值仿真等技术手段以及代理模型构建等不确定性分析方法,通过定量计算安全特征参数未达到失效阈值的概...